时滞系统的DMC—神经元PID串级控制的研究
| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 第一章 前言 | 第8-13页 |
| 1．1 工业过程控制系统的发展状况 | 第8页 |
| 1．2 先进过程控制系统现状 | 第8-9页 |
| 1．3 预测控制及其研究动向 | 第9-12页 |
| 1．3．1 预测控制简介 | 第9-10页 |
| 1．3．2 预测控制的早期研究 | 第10-11页 |
| 1．3．3 预测控制的研究动向 | 第11-12页 |
| 1．4 课题背景 | 第12-13页 |
| 第二章 时滞对象的控制方法 | 第13-18页 |
| 2．1 时滞过程控制的发展与现状 | 第13页 |
| 2．2 时滞系统的控制方法 | 第13-16页 |
| 2．2．1 PID控制的变型 | 第13-14页 |
| 2．2．2 Smith预估控制器 | 第14-15页 |
| 2．2．3 大林算法 | 第15页 |
| 2．2．4 预测控制 | 第15-16页 |
| 2．3 本文的研究内容 | 第16-18页 |
| 第三章 动态矩阵控制及其仿真 | 第18-33页 |
| 3．1 动态矩阵控制原理 | 第18-25页 |
| 3．1．1 预测模型 | 第18-19页 |
| 3．1．2 滚动优化 | 第19-21页 |
| 3．1．3 反馈校正 | 第21-25页 |
| 3．2 动态矩阵控制的参数设计 | 第25-30页 |
| 3．2．1 采样周期T和模型长度N | 第25-27页 |
| 3．2．2 优化时域P和误差权矩阵Q | 第27-28页 |
| 3．2．3 控制时域M | 第28-29页 |
| 3．2．4 控制权矩阵R | 第29-30页 |
| 3．2．5 校正参数 | 第30页 |
| 3．3 设计参数的仿真 | 第30-33页 |
| 第四章 神经元PID控制 | 第33-41页 |
| 4．1 神经网络概况 | 第33-34页 |
| 4．1．1 神经网络的发展与现状 | 第33页 |
| 4．1．2 神经网络在控制领域应用的现状与发展 | 第33-34页 |
| 4．2 神经元控制理论 | 第34-35页 |
| 4．2．1 单神经元模型 | 第34-35页 |
| 4．2．2 单神经元学习规则 | 第35页 |
| 4．3 基于单神经元的PID控制 | 第35-41页 |
| 4．3．1 基于单神经元的PID控制算法 | 第36-40页 |
| 4．3．2 单神经元参数调整规律 | 第40-41页 |
| 第五章 DMC－神经元PID串级控制系统研究 | 第41-50页 |
| 5．1 串级控制 | 第41-43页 |
| 5．1．1 串级控制的工作过程及其优点 | 第41-42页 |
| 5．1．2 串级控制系统设计原则 | 第42-43页 |
| 5．2 DMC－神经元PID串级控制 | 第43-44页 |
| 5．2．1 DMC－PID串级控制 | 第43页 |
| 5．2．2 DMC－神经元PID串级控制 | 第43-44页 |
| 5．3 DMC－单神经元PID串级控制的仿真结果 | 第44-49页 |
| 5．3．1 跟踪性能 | 第44-46页 |
| 5．3．2 抗干扰性比较 | 第46-47页 |
| 5．3．3 鲁棒性仿真结果 | 第47-49页 |
| 5．3．4 对非线性对象控制的仿真研究 | 第49页 |
| 5．4 结论 | 第49-50页 |
| 结束语 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 个人简历 | 第56页 |
